[发明专利]一种双能CT直接迭代基材料分解图像重建方法

说明书

本发明公开了一种双能CT直接迭代基材料分解图像重建方法，首先建立极坐标系/球坐标系下基于双能CT投影数据的基材料直接分解图象重建模型；然后，构建极坐标系/球坐标系下适用于基材料直接分解的统计迭代重建算法，运用该算法对基材料直接分解图象重建模型进行求解获得极坐标系/球坐标系下的基材料分解图像；最后将极坐标系/球坐标系下的基材料分解图像变换为笛卡尔坐标系下的基材料分解图像。本发明提供了一种根据双能CT投影数据直接重建基材料分解图像的方法，可有效提高基材料分解图像的质量和重建效率。

技术领域

本发明涉及计算机断层成像技术领域，尤其涉及一种双能CT直接迭代基材料分解图像重建方法。

背景技术

双能CT利用两种不同管电压下的X射线对目标模体进行扫描成像，与传统的单一管电压下的CT成像技术相比，双能CT能够利用两种不同能谱射线下的衰减信息实现对不同物质材料的识别，在医学成像、安全检查、无损检测等领域已获得越来越多的应用。

双能CT基材料分解是一个非线性逆问题，具有不适定性、高维等特点。常见的基材料分解方法将图像重建与基材料分解分成两步进行计算，按其执行顺序又可分为基于图像域的基材料分解方法(即先重建高、低能下的图像，然后进行材料分解)和基于投影域的基材料分解方法(即先对投影进行分解，然后重建分解图像)。该方法计算量大，分两步进行计算导致图像噪声放大严重、图像质量劣化，在笛卡尔坐标系中进行材料分解丢失了基材料分解图像之间的相关性，致使收敛速度慢、图像质量劣化。

现有技术中，如专利申请CN108010098A公开的一种双能谱CT基材料图像迭代重建方法，它是一种图像域的两步分解法，先重建高、低能谱的被测物体图像并计算线性组合图像，然后求基材料密度图像与线性组合图像的比值图像，并以该比值图像总变差最小化作为约束条件，建立正则化约束图像重建模型，迭代重建被测物体的基材料密度图像。该方法需要通过两个步骤实现材料分解，计算量大，并将导致噪声放大，致使图像质量下降。又如专利申请CN108230277A公开的一种基于卷积神经网络的双能CT图像分解方法，它通过双输入、双输出的卷积神经网络模型和交叉卷积的建立，实现高能CT图像、低能CT图像中不同基材料的合理分流，提升双能CT图像基材料分解的质量。它不仅需要大量的训练和测试数据进行建模，同时难以满足通用性的需求。

发明内容

本发明的目的在于克服背景技术中所涉及到的缺陷，提供了极坐标系下双能CT直接迭代基材料分解图像重建模型及统计迭代重建算法，由投影数据直接获得基材料分解图像，可有效降低计算复杂度、克服噪声和伪影、有效提高基材料分解图像的质量。

本发明为解决上述技术问题采用以下技术方案：

一种双能CT直接迭代基材料分解图像重建方法，包含以下步骤：

步骤A1)，选择两种基材料，建立极坐标系下基于投影数据的基材料直接分解图象重建模型；

步骤A2)，构建极坐标系下用于基材料直接分解的统计迭代重建算法，运用该算法对基材料直接分解图象重建模型进行求解获得极坐标系下的基材料分解图像；

步骤A3)，将极坐标系下的基材料分解图像变换为笛卡尔坐标系下的基材料分解图像。

作为本发明一种双能CT直接迭代基材料分解图像重建方法进一步的优化方案，步骤A1)中所述极坐标系下基于投影数据的基材料直接分解图象重建模型如下式所示：